Возможности и проблемы использования аналитики больших данных для стратегического управления человеческими ресурсами

Размещено на http://www.allbest.ru/

Уральский государственный экономический университет

Возможности и проблемы использования аналитики больших данных для стратегического управления человеческими ресурсами

Катаев Владислав Александрович, студент магистратуры 2 курс, кафедра «Экономики труда и управления персоналом»

Аннотация

В статье рассматриваются стратегические вопросы управления человеческими ресурсами с помощью аналитики больших данных, как анализ больших данных может способствовать стратегическим изменениям в HR и организации в целом. В статье приводится информация о том, как новые источники данных, которые помогают оценивать производительность персонала в режиме реального времени, могут помочь в выявлении и развитии лучших сотрудников, оказывающих большое влияние на производительность компании, в укреплении и расширении ее возможностей.

Ключевые слова: аналитика больших данных, HR-аналитика,

производительность, управление человеческими ресурсами, человеческий капитал, HR.

управление стратегический аналитика производительность

Annotation

The article discusses the strategic issues of human resource management using big data analytics, how big data analysis can contribute to strategic changes in HR and the organization as a whole. The article provides information on how new data sources that help evaluate employee performance in real time can help identify and develop the best employees who have a great impact on the company's performance, strengthen and expand its capabilities.

Key words: big data analytics, HR analytics, productivity, human resource management, human capital, HR.

В последнее время аналитика больших данных позволила решить новые исследовательские вопросы; данные, которые когда-то было трудно получить, теперь приходят в виде информации с сайтов, социальных сетей и из новых источников, таких как видеокамер и датчиков. В результате исследователи используют аналитику больших данных, чтобы задавать исследовательские вопросы в медицине, транспорте, городском планировании, а также в различных областях бизнеса.

Кадровые службы включают HR-аналитику в свою повседневную практику. На сегодняшний день большая часть этой работы была сосредоточена на проверке кандидатов в процессе внешнего найма [1]. HR - службы используют программное обеспечение для сортировки резюме и источников в социальных сетях, чтобы сократить административные расходы в рамках функции HR. Общедоступные базы данных предоставляют большой объем данных для сортировки и анализа шаблонов, которые могут предсказать необходимость найма. Доступ к этим базам данных может стоить значительно меньше, чем ручная обработка заявок, при этом повышается вероятность проведения собеседований с подходящими кандидатами без необходимости обрабатывать профессиональные данные кандидатов, которые не соответствуют требованиям.

Но с точки зрения общей производительности компании, HR-аналитика больших данных не должна ограничиваться отбором кандидатов или административной эффективностью. Вместо этого использование больших данных кадровой службой должно быть направлено на выявление стратегической связи между человеческим капиталом и прибыльностью, определением того, как HR-служба может улучшить профессиональные компетенции сотрудников для развития конкурентных преимуществ и повышения общей производительности фирмы.

Применение аналитики больших данных в HR является одним из трендов последних 5-10 лет. однако, это затрагивает лишь малую часть бизнеса и компаний на рынке. Возможности Big Data в сфере управления персоналом обширны и до конца не проанализированы. В связи с этим актуальным является рассмотрение возможностей применения HR-аналитики и аналитики больших данных в управлении человеческими ресурсами.

Цель статьи - описать возможности использования аналитики больших данных в современных организациях и рассмотреть основные проблемы применения аналитики в работе HR-служб.

В прошлом на многие вопросы HR можно было ответить только частично, используя внутренние системы управления персоналом, которые часто фокусировались на индивидуальных данных о производительности, полученных косвенно на основе данных за предыдущие годы и часто субъективных оценок. Часто HR-анализ фокусировался на обобщении того, что произошло, а не на оценке того, что может произойти.

Благодаря обработке большого объема данных, которые постоянно собираются из различных источников, большие данные позволяют проводить прогнозную аналитику. Прогнозная аналитика определяет отношения, которые могут помочь HR определить, какие действия целесообразны и как лучше всего распределять ресурсы.

Согласно мнению Петера Капелли, в HR не существует такой вещи, как аналитика больших данных, и, по общему признанию, в этой практике есть значительные препятствия и сложности. Данные, которые напрямую контролирует HR, часто относительно статичны [4].

По мнению других ученых -Эндрю Макафи Эрик Бриньольфссон - в HR- среде нет особого разнообразия, скорости или объема [10].

Некоторые исследователи также отметили, что многие менеджеры по персоналу часто не обладают полной квалификацией для анализа больших данных, но ответы на стратегические вопросы о человеческом капитале могут иметь решающее значение для конкурентного преимущества фирмы. HR- служба, чтобы остаться актуальной, должна начать анализировать несколько источников данных, а особенно данные о людях. Особое внимание следует уделить данным, собранным за пределами традиционной сферы HR с целью повысить эффективность оценки производительности сотрудников, а также определить, как фирмы могут помочь развиваться своим лучшим сотрудникам [11].

Рассмотрим некоторые проблемы, с которыми HR могут столкнуться при внедрении аналитики больших данных. Затем обсудим три новых источника больших данных, которые могут использоваться для решения стратегических вопросов человеческого капитала.

В результате анализа научной литературы выделяется ряд проблем HR в контексте стратегической аналитики больших данных:

Отсутствие поддержки среди вышестоящего руководства и нехватка компетенций кадрового персонала.

Первое требование для стратегического управления аналитикой больших данных HR - получить поддержку и указания от топ-менеджмента. В идеале, инициативы будут инициироваться руководителем в поддержку общих корпоративных целей, поскольку HR-аналитика играет важную роль в получении долгосрочного конкурентного преимущества на рынке. Компании, которым не хватает поддержки высшего руководства, скорее всего, столкнутся с более серьезными практическими и бюрократическими препятствиями на пути к эффективному анализу, некоторые из которых мы обсудим ниже. В практике управления закрепилось мнение, что статус HR-службы менее значим в сравнении с теми подразделениями, которые напрямую влияют на прибыльность. Отделы кадров часто оправдывают свое отстранение от центрального положения в организации чрезмерным акцентом на транзакционные аспекты своей работы вместо стратегических интересов [2].

Эту мысль подтверждают Марлер и Будро: HR-менеджеры, как правило, концентрируют свое внимание на административных расходах на обработку резюме или найме новых сотрудников, а не на общей прибыльности компании[7].

HR-служба должна продемонстрировать топ-менеджменту, что вопросы, решаемые с помощью больших данных, напрямую влияют на прибыльность фирмы и ее стратегическое позиционирование. Старший персонал HR-службы должен иметь большой опыт в отношении бизнес - модели фирмы и целях для анализа конкретных возможностей, которые дают фирме конкурентное преимущество. В частности, HR должен уметь показать, как с помощью прогнозного анализа аналитика больших данных может улучшить организационные возможности, имеющие решающее значение для конкурентного преимущества [6, 12].

Хотя большинство сотрудников HR-службы не обучены компетенциям, необходимым для HR-аналитики больших данных, руководители отделов KR- службы должны иметь полное представление о том, как выполняются

аналитические процессы, даже если сам отдел кадров не выполняет фактическую обработку данных [13]. Старшие менеджеры по персоналу должны понимать, как переменные в алгоритмах могут или должны взаимодействовать, если анализы должны эффективно решать стратегические вопросы и избегать нерелевантного анализа или ложных выводов [12]. РR - менеджеры по персоналу с целью повысить эффективность своей работы должны иметь базовое понимание методологии исследования, включая надежность и конструктивную валидность [7].

Более того, Марлер и Будро утверждают, что, когда анализ данных противоречит убеждениям менеджеров, убеждения часто побеждают. Это означает, что HR-служба должна быть готова объяснить, почему полученным большим данным следует доверять, а не полагаться только на общепринятые мнения, предполагая, что аналитика была проведена точно [7].

Сложность анализа разрозненных и специализированных данных.

Многие соответствующие наборы данных для больших данных HR не

являются частью систем управления персоналом, а вместо этого распределены по нескольким подразделениям организации [7]. Эффективность конкретного человека фиксируется не только в оценках и отчетах по персоналу, но и в таких областях, как маркетинг, производство и данных об обслуживании клиентов, поскольку аналитика рабочей силы по своей сути является многофункциональной. Стратегический подход потребует, чтобы данные собирались компанией централизованно, а не только бизнес-подразделением [12]. Централизованное управление данными усиливает мнение о том, что участие высшего руководства необходимо для анализа больших данных HR.

Эффективная аналитика данных требует, чтобы менеджеры обеспечивали достоверность данных: точность и актуальность. Более того, имея в виду, что данные рассредоточены по разным подразделениям организации, необходимо собрать их, учитывая, совместимы ли базы данных и доступны ли данные для использования или анализа. Это может быть сложно в некоторых случаях. Например, некоторые организации могут не знать или недостаточно использовать доступные датчики производственных предприятий, которые обеспечивают возможности отслеживания; в других случаях может оказаться, что данные, собранные HR, нелегко связать с данными операций. В то время как аналитики данных, которые проектируют общий сбор данных и разрабатывают общую стратегию данных, могут быть или не быть частью HR-подразделения как такового.

Эффективная HR-аналитика больших данных потребует от старших менеджеров по персоналу базового понимания аналитики данных организации относительно того, где находятся данные, кто за них отвечает, где и как они архивируются и передаются.

Таким образом, если HR и его партнеры смогут найти разрозненные источники данных, эффективное использование аналитики больших данных в может создать конкурентное преимущество.

Проблемы сотрудничества с заинтересованными сторонами.

Стратегическое партнерство с ключевыми заинтересованными сторонами имеет решающее значение для эффективной HR-аналитики больших данных. В конечном итоге именно линейные руководители обрабатывают важные данные и напрямую влияют на человеческие ресурсы, производительность и эффективность компании. Необходимо учитывать большие данные в интересах всех. Партнерство между HR и линейными менеджерами приведет к улучшению общих показателей фирмы. Как линейное руководство, так и менеджеры по персоналу будут заинтересованы в том, чтобы узнать, какие программы обучения приводят к совершенству в качестве и удовлетворенности клиентов, и какие программы удержания связаны с улучшением обслуживания клиентов. Анализы, сфокусированные на стратегических вопросах человеческого капитала и предполагаемых проблемах компании, скорее всего, получат поддержку как менеджеров среднего звена, так и топ-менеджмента. Особое внимание следует уделять отношениям с менеджерами в IT, где, вероятно, будет проводиться большая часть анализа необработанных данных [2].

Одно из возможных решений с целью повысить доверие со стороны линейных менеджеров - это, в первую очередь, партнерство с подразделениями организации, у которых есть конкретные проблемы, которые может помочь решить аналитика данных. Задача - добиться решения вопросов заинтересованных сторон. Если HR знает о подразделении в организации с хроническими проблемами (например, с частотой ошибок или возвратом продуктов) и эти проблемы могут быть решены с помощью анализа данных, HR может обратиться к этому подразделению и предложить совместные усилия. Если партнерство окажется успешным, репутация HR улучшится. Посредством ряда партнерских отношений с другими подразделениями, HR - аналитика больших данных повысит доверие к решению стратегических вопросов человеческого капитала на уровне компании.

Сотрудники также являются ключевыми заинтересованными сторонами, поскольку они напрямую связаны с собираемыми данными. Приверженность сотрудников к большим данным имеет решающее значение. Хотя некоторые сотрудники могут быть заинтересованы в искажении или саботаже сбора данных, более вероятно, что они воспримут сбор данных как вторжение в частную жизнь. Прозрачность в отношении типов собираемых данных, а также стратегический характер HR-аналитики больших данных становятся важными и актуальными. Насколько это возможно, анализ должен быть сосредоточен на вопросах, связанных с улучшением индивидуальной производительности, что потенциально может привести к более высокой оплате труда и улучшению обучения сотрудников.

Такой подход позволяет обосновывать причины изменения обязанностей, повышения по службе или увольнения. Аналитика данных должна позволять сотрудникам лучше понимать важность своей работы и помогать им развивать знания и навыки, которые расширяют их возможности, а также приводят к повышению общей производительности компании [11].

Внешние заинтересованные стороны могут играть важную роль в разработке вопросов по анализу больших данных HR, а также в возможностях анализа данных. Текущие или потенциальные клиенты могут запросить изменения или обновления, которые могут вызвать переоценку планов работы, в то время как жалобы клиентов могут привести к управленческой переоценке данных управления эффективностью сотрудников.

Три проблемы HR в контексте стратегической аналитики больших данных: 1. Отсутствие поддержки среди вышестоящего руководства и нехватка знаний кадрового персонала, 2. Сложность анализ разрозненных и специализированных данных, 3. Сотрудничество с заинтересованными сторонами, требуют индивидуального подхода и не имеют универсальных решений. Возможно выделить три новых источника, которые не решат напрямую вышеописанные проблемы, но которые можно использовать для более точной оценки производительности сотрудников.

Большая часть данных, на которые в настоящее время полагается HR при принятии решений, получена на основе оценок руководителей высшего звена или опросов сотрудников, которые могут быть или не могут быть заполнены честно или точно. Напротив, многие источники данных теперь доступны в реальном времени, что дает менеджерам, принимающим решения, больше шансов получить представление об основных закономерностях, а также немедленные варианты возможных вмешательств.

Ниже представлены новые источники для оценки производительности сотрудников, которые можно определять с помощью аналитики больших данных:

Социальные медиа.

Данные, собранные из социальных сетей, были обычным источником больших данных HR для отбора кандидатов. Но комментарии в социальных сетях реальных пользователей продукта или услуги компании можно использовать для ответа на более широкие вопросы.

Такие разные компании, как Heineken и TMobile, анализируют социальные сети, чтобы определить, какие продукты или функции пользуются спросом у потребителей, а также почему и насколько эффективны реклама продуктов и брендинг [8]. В свою очередь, поскольку большинство данных социальных сетей помечено его географическим местоположением, комментарии о продуктах можно сравнить с данными отслеживания, касающимися конкретных заводов или подразделений, которые производят эти продукты. Затем большие данные могут использоваться для расширения возможностей обучения персонала путем анализа заводов и подразделений, которые наилучшим образом обслуживают потребности клиентов, и определения лучших заводов в качестве источников знаний для обучения в других местах. И, наоборот, когда на продукты поступают жалобы в социальных сетях, HR может определять, могут ли системные проблемы, такие как, например, необоснованное удержание сотрудников на основных должностях предприятия влияет на качество продукции и косвенно приводит к таким проблемам, как отток клиентов. Жалобы на обслуживание клиентов также могут быть связаны с данными из центров обработки вызовов, обслуживающих продукты в этом географическом регионе, и сопоставлены с данными центра по найму и производительности.

Аналитика данных социальных сетей использует источник данных, который легко доступен для непосредственного решения стратегических проблем человеческого капитала, хорошие отношения между HR и заинтересованными сторонами в маркетинге будут очевидным предварительным условием.

Видео аналитика.

Хотя видео аналитика все еще находится на ранних стадиях, ее можно использовать в контексте операций в магазине или обслуживания розничных клиентов для определения изменений производительности. Ресурсы, точки продаж и видео аналитика могут использоваться для идентификации закономерности и конкретные случаи краж сотрудников [3].

В качестве проверки безопасности на рабочем месте снимки экрана видео могут быть проанализированы для определения в порядке исключения, когда действия не предпринимаются надлежащим образом [9]. Однако, другие реализации этой технологии включают возможность отображать поведение клиентов в реальном времени для улучшения качества обслуживания клиентов. По мере развития технологии аналитика может определять, какие исполнители превышают плановые показатели, чтобы их можно было использовать в качестве образцов для целей обучения. Например, видео аналитика может определить, когда клиенты с большей вероятностью будут обслужены с улыбкой. Затем HR мог бы определить программы обучения или пакеты стимулов, связанные с превосходным сервисом, и распространить их среди других компонентов организации.

Интернет-вещей.

Многие продукты теперь оснащены датчиками и другими микросхемами, которые могут сообщать о статусе продукта производителю или даже потребителю, в совокупности создавая Интернет вещей (IoT).

В настоящее время розничные торговцы одеждой, такие как Macy's и Marks and Spencer, используют RFID-метки для управления запасами, в то время как бренды одежды, такие как Michael Kors и Gucci, используют RFID- метки для борьбы с подделками [5].

Инфраструктура для использования Интернета вещей для анализа больших данных HR в большинстве случаев потребует не только датчиков продукта, но также программного обеспечения, возможностей хранения и передачи данных, которые еще не полностью доступны или интегрированы. Но во многих современных производственных средах датчики, передающие статус продукта, вскоре будут предупреждать фирмы, когда продукты нуждаются в модификации или обслуживании, или сообщать, как потребители используют продукт. Когда инфраструктура Интернета вещей становится более продвинутой, данные с датчиков в продуктах могут анализировать, какие заводы или группы сотрудников создают более надежные продукты, которые требуют меньшего обслуживания. Эти данные могут быть интегрированы с другими источниками, такими как данные производства и социальных сетей, чтобы потенциально предлагать оценку вклада сотрудников в рентабельность инвестиций компании в реальном времени.

Следовательно, оценки эффективности могут стать более точными и более напрямую связанными с прибыльностью компании. Модули обучения для всей компании могут быть нацелены на конкретные области улучшения, для которых данные датчиков указывают на системные сбои производства. Выявленные хронические проблемные области могут использоваться при планировании кадровых ресурсов для определения ключевых позиций, на которые следует ориентироваться при приеме на работу.

Методы. В исследовании использованы универсальные методы сбора и обобщения информации. Систематизация и обзор теоретических положений проводились методом кабинетного исследования публикаций с использованием источников сети Интернет. Также были использованы библиографические методы и контент-анализ при обозревании зарубежных работ, опубликованных не ранее 2012 года по тематике аналитики больших данных и HR-аналитике, размещенных на электронной платформе scholar.google.

Результаты и выводы. По итогам проведенного обзора научной литературы по аналитике больших данных и HR-аналитике были выделены три проблемы HR в контексте стратегической аналитики больших данных - это отсутствие поддержки среди вышестоящего руководства и нехватка знаний кадрового персонала, сложность анализа разрозненных и специализированных данных, отсутствие сотрудничества с заинтересованными сторонами (в частности, между IT и HR подразделениями, руководством и линейным персоналом, компанией и клиентами).

Были рассмотрены три новых источника, при помощи которых можно оценивать производительность сотрудников: социальные медиа, видео аналитика и интернет вещей. Были сделаны выводы о том, что данные источники могут помочь улучшить элементы обучения персонала, его стимулирования, решить вопросы с кадровым планированием и подбором на ключевые позиции. Если говорить более широко, то вышеописанные источники могут помочь оптимизировать основные бизнес-процессы компании и повысить производительность труда сотрудников.

Использование больших данных может значительно улучшить оценку и развитие персонала, а также улучшить отношения между HR-отделом и другими подразделениями организации. Использование больших данных может потребовать переосмысления и переобучения старших менеджеров отдела кадров. Осуществление соответствующей прогнозной аналитики потребует значительного партнерства с линейными менеджерами, а также переоснащения или приобретения навыков и человеческого капитала за пределами обычного HR-источника [12]. Но несмотря на скептицизм, выраженный многими учеными о будущем HR-аналитики и больших данных, мы считаем, что HR должен использовать аналитику больших данных в качестве инструмента преобразовательных изменений.

HR-аналитика больших данных, которая прозрачно фокусируется на том, как отдельные действия напрямую влияют на эффективность компании, может положительно изменить отношения между работодателем и сотрудником. Достижение согласия и укрепление доверия может инициировать изменения как в организации, так и в самой функции управления персоналом. Вместо того, чтобы просто отбирать кандидатов, HR будет стратегически управлять человеческим капиталом для повышения индивидуальных и корпоративных результатов.

Использованные источники

Angrave, D., Charlwood, A., Kirkpatrick, I., Lawrence, M., & Stuart, M. (2016). HR and analytics: Why HR is set to fail the big data challenge. Human Resource Management Journal, 26.

Armstrong, M. (2016). Handbook of strategic human resource management (6th ed.). London, UK: Kogan Page.

Caro, F., & Sadr, R. (2019). The Internet of Things (IoT) in retail: Bridging supply and demand. Business Horizons, 62(3), 47-54.

Levenson, A. (2018). Using workforce analytics to improve strategy execution. Human Resource Management, 57(3), 685-700.

Marler, J.H., & Boudreau, J.W. (2017). An evidence-based review of HR analytics. International Journal of Human Resource Management, 28(1), 3-26.

McAbee, S.T., Landis, R.S., & Burke, M.I. (2017). Inductive reasoning: The promise of big data. Human Resource Management Review, 27(2), 277-290.

McAfee, A., Brynjolfsson, E. (2012). Big data: The management revolution. Harvard Business Review, 90(10), 60-68.

McIver, D., Lengnick-Hall, M.A., & Lengnick-Hall, C.A. (2018). A strategic approach to workforce analytics. Business Horizons, 61(3), 397-407.

Minbaeva, D.B. (2018). Building credible human capital analytics for organizational competitive advantage. Human Resource Management, 57(3), 701713.

Waters, S.D., Streets, V.N., McFarlane, L.A., & Johnson-Murray, R. (2018). The practical guide to HR analytics. Alexandria, VA: Society for Human Resource Management.

Austin, K. (2018, June 14). 8 ways your staff is stealing from your restaurant right now. Toast. [Электронный ресурс]. Режим доступа: https://pos.toasttab.com/blog/ways-your-staff-is-stealing-from-yourrestaurant-now

Cappelli, P. (2017). There's no such thing as big data in HR. Harvard Business Review. [Электронный ресурс]. Режим доступа: https://hbr.org/2017/06/theres- no-such-thing-as-big-data-in-hr

Marr, B. (2017). The incredible ways Heineken uses big data, the Internet of

Things, and artificial intelligence (AI). Forbes. [Электронный ресурс]. Режим доступа: https://www.forbes.com/sites/bernardmarr/2017/11/20/the-incredible-ways heineken-uses-big-datathe-internet-of-things-and-artificial-intelligence

Размещено на Allbest.ru